借助机器人的科学本体感觉对足式运动进行研究已有数十年。在以往的家开研究手段中，研究人员往往采用基于模型的发可复杂方法开发神经网络控制器。但是提高，这类方法无法在那些现实世界里没有见过的知能足机自由环境中得到应用。,模型近年来，为了获得更好的实现泛化性和鲁棒性，研究者们开始采用无模型强化学习，器人在模拟中训练控制器，地形然后将学习到的行走策略直接转移到真实的机器人上。,科学那么，如何在无需遥控器操控的家开条件下，让四足机器人实现在复杂地形上自由流畅地行走呢？,发可复杂近期，来自美国加州大学圣地亚哥分校和麻省理工学院的提高研究团队，开发了一个可以提高机器人 3D 感知能力的知能足机自由模型，能够支配四足机器人在各种困难地形场景下完成自动化行走，比如爬楼梯、踩石头、在树林中走路等。,如视频所示，该四足机器人的额头上装有前置的深度摄像头，该摄像头向下倾斜的角度，可以帮助该机器人前面的两足，根据所看到的前方场景和脚下地形做出正确的行动决策。但其后面的两足必须先记住前面看过的内容，才能确保在经过时踩在正确的位置上。,所以，这中间存在一个重要的问题，即需要一个短期的 3D 环境记忆体，能够使得机器人的四足都对三维环境有良好的感知和模拟。,为此，该团队构建了一种神经体积记忆（Neural Volumetric Memory，NVM）架构，可以先借助自监督方法对视频帧中的三维特征进行学习，再用几何变换把这些三维特征投影到同一个空间下面，最后通过模型将所有的特征信息融合在一起，让机器人对它所处的 3D 环境建立起短期记忆。,其中，需要说明的是，将上述带有特征的全部视觉信息综合在一起，可以帮助四足机器人记住其看到的内容，以及足部之前做过的动作，并利用这些记忆指导它下一步行动。这也表明，NVM 能为机器人执行决策提供可靠的 3D 结构信息，并为足式机器人利用视觉进行观察开辟新的可能性。,2023 年 3 月，相关论文以《用于视觉运动控制的神经体积记忆》（Neural Volumetric Memory for Visual Locomotion Control）为题发表在CVPR上，并被选为Highlight论文[1]。,图丨相关论文（来源：arXiv）,加州大学圣地亚哥分校博士研究生杨睿涵为该论文的第一作者，加州大学圣地亚哥分校助理教授王小龙担任论文的通讯作者。,图丨王小龙（来源：王小龙）,据介绍，该研究始于 2022 年 1 月。在当时的条件下，该团队先在模拟器环境下进行训练，再转至机器人上进行部署和测试。NVM 模块可以令四足机器人在模拟环境和真实世界中穿越复杂地形，并获得更好的模拟-真实泛化结果。,但是，由于模拟器和机器人在物理和视觉方面都存在一些差距，因此需要克服许多有难度的工程问题。此外，从模拟器中制定任务，以及做强化学习训练所需的代码，也需要该团队自行开发。,图丨实际部署（来源：arXiv）,据了解，这项成果建立在该团队之前的一项研究上，此前，该团队使用强化学习和基于 Transformer 的模型，将本体感受和视觉信息相结合，使得四足机器人能够避开障碍物，在不平整的地面上行走和奔跑 [2]。,“我们目前这项研究是在不同帧上抽取三维特征，把它们放到同一个三维空间下进行合并，而之前的那项研究仅仅将不同帧直接合并起来，当做一个视频放入卷积神经网络中，没有做太多三维理解。”谈及本项成果取得的进展，王小龙表示，“并且，之前机器人能完成的任务比较简单，不能实现爬楼梯或踩木桩这种比较困难的任务。”,不过，该团队也表示，他们目前开发的模型还存在一些局限性。首先，不能引导四足机器人到达指定的目的地；其次，完成部署后，机器人只能简单地走一条直线，如果看到障碍物，会通过另一条直线避开；此外，机器人还不能精确控制其去向。,从应用层面上看，相较于安装轮子才能走路的机器人，四足机器人的通用性更强。比如，其可以用于应急救援领域，执行受困人员搜救、废墟清理等任务；用于下水管道探测等。,后续，该团队不仅计划开发更多用于规划机器人的技术，还打算在四足机器人上增加机械臂，来执行抓取、开门等任务；同时，他们也想让机器人实现更多创意性的技能，诸如跳跃、踢球等。,参考资料：,1. R., Yang, G., Yang, X., Wang. Neural Volumetric Memory for Visual Locomotion Control. arXiv（2023）. https://doi.org/10.48550/arXiv.2304.01201,2. R., Yang, M., Zhang, N., Hansen. et al.Learning Vision-Guided Quadrupedal LocomotionEnd-to-End with Cross-Modal Transformers. arXiv（2022）. https://doi.org/10.48550/arXiv.2107.03996,https://techxplore.com/news/2023-06-four-legged-robot-traverses-tricky-terrains.html,https://rchalyang.github.io/NVM/

(责任编辑：知识)